PREDIKSI TINGGI MUKA AIR BENDUNGAN RIAM KANAN MENGGUNAKAN ALGORITMA CASCADE NEURAL NETWORK

Haldi Budiman(1*), Yusri Ikhawani(2), Muhammad Rasyidan(3)

(1) Fakultas Teknologi Informasi Universitas Islam Kalimantan
(2) Fakultas Teknologi Informasi Universitas Islam Kalimantan
(3) Fakultas Teknologi Informasi Universitas Islam Kalimantan
(*) Corresponding Author

Sari


Bendungan Riam Kanan di Kabupaten Banjar adalah salah satu waduk terbesar di
Kalimantan Selatan yang ada di Aranio, Kabupaten Banjar. Waduk buatan yang dalam
pembangunannya memakan waktu selama 10 tahun ini dibangun membendung 8 sungai yang bersumber dari Pegunungan Meratus. Tujuan utama dibangunnya waduk Riam Kanan adalah untuk membangun pembangkit listrik tenaga air untuk daerah Kalimantan Selatan dan sekitarnya.Tujuan penelitian ini adalah untuk memprediksi tinggi muka air bendungan Riam Kanan menggunakan Algoritma Cascade Neural Network agar bermanfaat dalam kebijakan strategis ketahanan energi khususnya energi listrik dan ketahanan pangan, khususnya ketersediaan air untuk saluran irigasi.Perkiraan prediksi ini menggunakan data tinggi muka air bendungan Riam Kanan dari tahun 2011 sampai dengan 2014 yang didapatkan dari PLTU Riam Kanan Provinsi Kalimantan Selatan. Prosedur peramalan/perkiraan diawali dengan pembagian data menjadi data pelatihan dan pengujian. Selanjutnya dilakukan pemilihan variabel input yang memberikan korelasi cukup signifikan terhadap variabel output. Kemudian dilakukan perancangan struktur jaringan yang optimum serta pemilihan learning rate dan momentum. Proses validasi dilakukan terhadap struktur jaringan yang optimum untuk mengetahui tingkat keakuratan prediksi tinggi muka air bendungan Riam Kanan.Hasilnya adalah prediksi tinggi muka air bendungan Riam Kanan menggunakan Algoritma Cascade Neural Network dengan tingkat keakuratan menghasilkan nilai RMSE 0,0956.


Teks Lengkap:

PDF

Referensi


Adnan, R. et al., 2012. Artificial Neural Network Modelling and Flood Water Level Prediction Using Extended Kalman Filter. , pp.23–25.

Hall, C.&, 2009. The Top Ten Algorithms in Data Mining.

Kamber, J.H. and M., 2006. Data Mining concepts and Techniques.

PP No 37 Tahun2012, 2012. Peraturan Pemerintah Repuplik Indonesia Nomor 37 tahun 2012 tentang Pengelolaan daerah Aliran Sungai.

Purwanto, E., C & Logeswaran, R., 2011. Improved Adaptive Neuro-Fuzzy Inference System for HIV / AIDS Time Series Prediction. , pp.1–13.

Ruslan, F.A., Samad, A.M. & Zain, Z., 2013. Flood Water Level Modelling Using Multiple Input Single Output ( MISO ) ARX Structure and Cascaded Neural Network for

Performance Improvement. , (December), pp.13–15.

Witten, I.H., 2011. Data Mining.

http://pustaka.pu.go.id/new/infrastruktur-bendungan-detail.sap?/id=186

http://riamkanan.com/home




DOI: http://dx.doi.org/10.31602/ppdu.v0i1.8111

Refbacks

  • Saat ini tidak ada refbacks.